L'appréciation de l'humour engagé et de l'humour absurde au Québec : une étude exploratoire comparative
Bibliographic record
Abstract
Inspirée par le fait que l’humour engagé tend à disparaître de la sphère humoristique au Québec, cette recherche exploratoire s’intéresse à l’appréciation de l’humour engagé en comparaison avec l’humour absurde. Deux figures représentatives québécoises de ces types d’humour ont été retenues, soit Guy Nantel et André Sauvé. À l’aide d’une méthodologie mixte, c’est-à-dire une analyse du contenu manifeste (quantitatif) complétée par une analyse de contenu latent (qualitatif), nous avons analysé des critiques ayant pour objet les spectacles des deux sujets humoristes. Les critiques analysées proviennent de deux sources : les spectateurs et les médias. Dans un premier temps, l’analyse de contenu manifeste a dévoilé un écart d’appréciation entre les critiques concernant Nantel et celles concernant Sauvé, ce dernier ayant obtenu une moyenne plus élevée. Dans un deuxième temps, l’analyse de contenu latent a permis de dégager certaines tendances au sujet de l’appréciation des deux types d’humour qui ont été examinées en fonction de six thèmes récurrents dans les critiques. Entre autres, la rigueur intellectuelle et l’intelligibilité du discours sont ressorties comme des propriétés très appréciées des critiques des médias et des spectateurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.012 | 0.008 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".